Часть третья про Lead Time (база тут, про связь cycle time+lead time+time to market тут). Обсудим кластеризацию типов работы, динамику, гистограммы и диаграммы рассеивания, end 2 end.

Дорогой друг, давай прям на практике пройдёмся по показателям:
- Открываем в хроме https://predictable.team, нажимаем на Try with Demo Data, и кликаем на вкладку Lead Time. На графике Scatteplot показывается, за какое время завершается 50% задач (median), а за какое 85%.

🏄‍♂️ В Lead Time динамика всегда важнее текущего состояния

Один раз замерить lead/cycle time полезно. Но если хочешь реально улучшать показатели надо смотреть в динамике на типы работы (прямо как в throughput).

🎳 Кластеризуй Lead Time по типам работы (потому что они все разные)

На практике, чаще показывают гистограмму Lead Time. Но мне субъективно кажется что в ней не хватает временной динамики, поэтому я люблю диаграмму рассеивания (scatterplot, control chart в Jira).

- Баги — обычно устраняются быстрее (у них часто самые короткие lead time).
- Полноценные end-2-end стори — куда длиннее, иногда с кучей согласований.
- Инциденты — вообще особый поток, SLA, жёсткое реагирование.

Посему смотрим на динамику в два шага:

1. Общая динамика (вкладка Lead Time)
2. Динамика по классам задач. Для этого в верхнем меню можно менять набор "Issue Types".

Так мы поймем - на общую динамику повлияло просто то что у нас стало больше багов, которые мы решаем за короткий срок, или все таки стори стали меньше и эффективнее проходят через цикл разработки.

🧩 Цикл твоей команды ≠ end-to-end всего потока ценности.

Оптимизировал поток своей команды вместе с ребятами, далаете свои задачи быстрее? Молодцы, но зачастую на всем end-2-end потоке работы ваша оптимизация будет локальной (то есть расширить самые медленные бутылочные горлышки и простои в сквозной системе всегда будет эффективнее, чем оптимизировать какую-то только подконтрольную вам часть).

Мыслите системно: что надо сделать чтоб вся система быстрее работала, а не только ваш кусок, который потом упрется в соседний отдел. Обычно сэкономленное время (благодаря вашей оптимизации) меньше, чем время которое вы теряете из-за простоя задачи между смежными командами (делающими со-зависимый функционал).

#leadtime #cycletime #timetomarket #метрики #metrics #flowmetrics